██ چکیده‌ی مطلب‌های فصل هفدهم نسخه‌ی پولی ایبوک هوش مصنوعی ██

 

مترجم: سهراب جلوه گر جلوه‌گر

 

چکیده‌ی مطلب‌های فصل هفدهم- شبکه‌های عصبی

یک شبکه‌ی عصبی، یک سیستم کامپیوتری است که از روی مغز انسان و سیستم عصبی مدلسازی شده است.

دو نوع شبکه‌ی عصبی داریم: یکی شبکه‌های با تغذیه‌ی مستقیم، که در این شبکه‌ها علامت(‌سیگنال‌)‌ها در یک جهت حرکت می‌کنند و بدون دُوْرْ(سیکل) می‌باشند‌؛ و دیگری شبکه‌های بازگشت کننده، که در این شبکه‌ها در انتشار علامت(‌سیگنال‌)‌، دُوْرْ(سیکل) وجود دارد‌‌؛ در این شبکه‌ها دست‌کم یکی از خروجی‌ها به یکی از ورودی‌ها متّصل شده‌ است‌.

پرسپترون تک لایه‌ای، الگوریتمی ابتدایی برای یادگیری شبکه‌های عصبی تک لایه‌ای ساده است.

با پرسپترون‌های تک لایه‌ای فقط می‌توان تابع‌هایی را که به صورت خطّی جدا شدنی هستند را نشان داد و نمی‌توان XOR را که به صورت خطّی جدا نشدنی است، نشان داد؛ برای رفع این مشکل می‌توانیم از پرسپترون‌های چند لایه‌ای استفاده کنیم.

پرسپترون‌ها[ی تک لایه‌ای]‌ دارای این مزیّت هستند که یک الگوریتم یادگیری ساده دارند‌؛ ولی عیب آنها در این است که دارای محدودیّت‌های محاسباتی هستند‌.اگر ما یک لایه‌ی مخفی اضافه نماییم‌، به عبارتی دیگر، پرسپترون چند لایه‌ای با یک لایه‌ی پنهان بسازیم، توان محاسباتی افزایش می‌یابد‌؛ با یک لایه‌ی پنهان‌، [پرسپترون] می‌تواند هر تابع پیوسته را نمایش دهد و با دو لایه‌ی پنهان(پرسپترون چند لایه‌ای با دو لایه‌ی پنهان)‌ می‌تواند هر تابعی را نمایش دهد.